MétaCan
Menu
Retour à la cohorte
Enregistrement W2145986993 · doi:10.22329/celt.v6i0.3709

13. The Intersection of Mathematics and Language in the Post-Secondary Environment: Implications for English Language Learners

2013· article· en· W2145986993 sur OpenAlexafffundvenue
Jean Choi, Rebecca K. Milburn, Brett Reynolds, Philip Marcoccia, Patrick Justin Silva, Sikander Panag

Notice bibliographique

RevueCollected Essays on Learning and Teaching · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMultilingual Education and Policy
Établissements canadiensHumber PolytechnicGeorge Brown College
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésEllVocabularyMathematics educationEnglish languageDisadvantageLanguage of mathematicsSentenceIntersection (aeronautics)English-language learnerComputer scienceMathematicsTeaching methodLinguisticsVocabulary developmentArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Given the increasing number of English Language Learners (ELLs) in post-secondary environments (Roessingh & Douglas, 2012), educational practices such as availability of language support for mathematics should be assessed to ensure that all students’ needs are met. To explore the effects of language on mathematics in ELLs, mathematical test items were presented in four language contexts: vocabulary knowledge, negation, preposition use, and atypical sentence structure. Sixty students enrolled in mathematics courses volunteered to complete the mathematics task. Results suggest that math items falling into each of the four language contexts disadvantage ELLs, highlighting that the needs of ELLs should be considered at all levels, from classroom practices to educational policy.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil0,607

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,344
Écart entre enseignants0,326 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCollected Essays on Learning and TeachingMême sujetMultilingual Education and PolicyTravaux en français237 207